研修は受けてもらえました。でも、翌週の会議では誰もAIを使っていませんでした
筆者はAI研修の相談で、似たような声を何度も聞いてきました。受講率は悪くない。アンケートの満足度も低くない。それでも、数週間後に現場を見ると、業務の進め方はほとんど変わっていない。AIリスキリングの難しさは、この「学んだのに使われない」という静かな停滞にあります。
これは、全社員向けのAIリスキリングを企画した人材開発部の佐藤さん（仮名）と、DX推進室、現場マネジャー、情報システム部が直面した話です。半年前は、全社員に同じAI研修を一斉配信し、受講率だけを追っていました。受講後アンケートでは満足度が高かった一方で、現場からは「自分の業務でどう使うか分からない」「部署ごとの禁止事項が曖昧」という声が上がっていました。
現在は、想定例として3か月間・対象300名の社内研修で、会社ゴール、職種別スキルマップ、セグメント別カリキュラム、定着KPIを分けて設計する形に見直しています。この記事では、「全社員リスキリングを企画したが、受講して終わる」という課題を、研修設計と定着施策の両面から整理します。目指すのは、社員が自分の職種・業務・権限に合わせてAI活用を試し、チームでナレッジを更新し続けられる状態です。ただし、研修やツールだけで定着するわけではありません。運用ルール、上司の関与、KPIの見直しまで含めて設計する必要があります。
筆者自身、AI導入や業務改革の現場で何度も感じてきたことがあります。AI活用は、派手なデモでは広がりません。現場の人が「これなら明日の仕事で使える」と感じた瞬間から、少しずつ根を張っていきます。自社の研修計画に重ねながら、設計を確認してみてください。
全社員リスキリングが「受講して終わり」になりやすい理由
AI研修を全社員に展開するとき、多くの企業が最初に置くKPIは「受講率」や「修了率」です。もちろん、全社員リスキリングでは受講率を追うこと自体が不要なわけではありません。初期段階では、「どれだけの社員に基礎情報を届けられたか」を確認する重要な指標です。
しかし、受講率だけでは、社員が実際にAIを業務で使えるようになったかは分かりません。研修動画を最後まで見たことと、翌日の会議準備でAIを使えることは別の話です。確認テストに合格したことと、顧客向け資料の下書きをAIで作り、内容を人が検証し、チームで再利用できる形に整えることも別の話です。
筆者が企業支援の現場でよく見るのは、研修内容そのものが悪いわけではないのに、現場の業務に接続されていないケースです。AIの概要、プロンプトの基本、活用事例、注意点。どれも必要です。ただ、それらが「自分の業務のどこで使うのか」まで落ちていないと、社員にとっては知識として通り過ぎてしまいます。
外部調査でも、AI活用の課題は「ツール導入」だけでは説明できません。たとえばBCGの2025年調査では、生成AIを週に複数回使う割合はリーダー・マネジャー層で高い一方、現場社員では伸び悩みが見られるとされています。また、McKinseyの2025年レポートでは、従業員がAI活用を進めるうえで、正式な研修やパイロット利用、インセンティブが重要だと指摘されています。
以前の研修では、AIの基本用語、代表的な使い方、注意点を一通り説明すれば「全社員にAIリテラシーを届けた」と考えられていました。現在は、それだけでは不十分です。社員が知りたいのは、「生成AIとは何か」だけではありません。「自分の業務で、どこまで使ってよいのか」「どの情報は入力してはいけないのか」「上司や同僚にどう共有すればよいのか」です。
人事・人材育成担当者は、全社員に共通する学習体験を設計したいと考えます。DX推進担当者は、実際の業務プロセスにAIを組み込みたいと考えます。情報システム部門は、セキュリティとアクセス管理を重視します。現場マネジャーは、業務が増えずに成果につながる形を求めます。
このように、AI研修は一見すると「教育施策」ですが、実際には人材育成、業務改善、情報管理、マネジメントが交差するテーマです。だからこそ、受講して終わりにしないためには、研修前の設計段階で「何を学ばせるか」だけでなく、「学んだあと、どの業務で使い、誰が支え、何を見直すか」まで決めておく必要があります。
まず会社ゴールから逆算する
全社員リスキリングを設計するとき、最初に決めるべきなのは研修テーマではありません。先に決めるべきなのは、会社としてAI活用によって何を変えたいのかです。
たとえば、同じ「AI基本情報研修」でも、会社の目的が違えば設計は変わります。資料作成時間を短縮したい企業と、社内ナレッジを共有しやすくしたい企業では、演習で扱う題材が異なります。問い合わせ対応の品質をそろえたい企業と、新規事業のアイデア創出を加速したい企業でも、必要なスキルは変わります。
筆者がAI導入支援で最初に確認するのも、ツール名や研修メニューではありません。「なぜ今、AIを社内に広げたいのか」です。ここが曖昧なまま進めると、研修は盛り上がっても、数週間後には何を成果と呼べばよいのか分からなくなります。
会社ゴールは、次の3階層で整理すると実務に落とし込みやすくなります。
- 全社方針
- AI活用を通じて、会社として何を実現したいのかを定義します。たとえば、「定型業務の作業時間を削減し、企画・判断・顧客対応に時間を再配分する」「部門ごとに散らばったナレッジを再利用しやすくする」といった表現です。
- 部門課題
- 営業、人事、経理、マーケティング、情報システム、管理職など、部門ごとにAIを使う場面を整理します。営業であれば商談準備や提案書の構成づくり、人事であれば研修教材や社内FAQ、管理職であれば会議アジェンダや1on1準備などが考えられます。
- 個人業務
- 社員一人ひとりが日常業務の中で「ここならAIを使える」と感じられる単位まで落とし込みます。メール文の下書き、議事録の要約、資料のリライト、調査観点の整理など、最初の利用場面は小さくて構いません。
重要なのは、最初から大きな変革を狙いすぎないことです。全社員リスキリングの初期段階では、「全社員が高度なAI活用人材になる」ことを目標にすると、設計が抽象的になります。まずは、社員が自分の業務でAIを使う入口を持ち、利用時の判断基準を理解し、出力を人がレビューする習慣をつくることが現実的です。
AIは、会社のあらゆる問題を一気に解決する魔法の道具ではありません。むしろ、会社が何を大切にし、どの業務を変えたいのかを映し出す鏡のような存在です。ゴールが曖昧な組織では、AI活用も曖昧になります。だからこそ、研修設計の最初に、会社としての目的を言語化する必要があります。
職種別スキルマップを作る
会社ゴールを決めたら、次に職種別スキルマップを作ります。全社員リスキリングという名前であっても、全員に同じスキルを同じ深さで求める必要はありません。
まず、全社員に共通して必要なスキルを定義します。たとえば、生成AIの基本的な仕組み、プロンプトの書き方、出力確認の考え方、情報取り扱いルール、社外提出前のレビューなどです。これは、AIを業務で使う全員に必要な土台です。
次に、職種ごとに必要なスキルを分けます。営業であれば、顧客情報をもとにした商談準備、提案書構成、反論対応の整理が必要になります。マーケティングであれば、コンテンツ案の作成、ターゲット別メッセージの比較、記事構成の作成が有効です。人事であれば、研修コンテンツの内製、社内問い合わせの整理、評価コメントの下書きなどが考えられます。管理職であれば、会議設計、意思決定の論点整理、部下との1on1準備に活用できます。
スキルマップは、レベル別に整理するとさらに使いやすくなります。
| レベル | 段階 | 内容 |
|---|---|---|
| レベル1 | 知る | 生成AIの基本、できること・できないこと、情報入力時の注意点を理解する段階です。 |
| レベル2 | 試す | メール下書き、要約、文章のリライトなど、低リスクな業務でAIを使ってみる段階です。 |
| レベル3 | 業務に組み込む | 定例会議の議事録、週報作成、商談準備、社内FAQ作成など、繰り返し発生する業務にAI活用を組み込みます。 |
| レベル4 | 共有する | うまくいったプロンプトや活用パターンをチームに共有し、他の人も使える形に整えます。 |
| レベル5 | 改善する | 利用状況や失敗例をもとに、プロンプト、学習データ、運用ルールを見直します。 |
このようにスキルを段階化すると、研修後に社員がどこで止まっているのかを把握しやすくなります。「研修は受けたが使っていない」のか、「使っているが共有されていない」のか、「共有はされているが更新されていない」のかで、次に打つべき施策は変わります。
経済産業省が2025年に公表したデジタル人材育成に関する報告でも、スキルの可視化やスキル分類の活用が、今後の人材育成の論点として示されています。また、IPAの2025年資料でも、AI時代のデジタル人材育成には、従来型の研修だけでなく、実践型学習やスキルを軸にした育成環境の整備が必要だと整理されています。
筆者は、AIリスキリングの現場で「全員に同じことを教えすぎて、誰にも深く刺さらない」状態をよく見ます。共通研修は必要です。しかし、共通研修だけでは不十分です。現場に定着させるには、職種別に「自分ごと化」される瞬間を設計しなければなりません。
セグメント別カリキュラムを設計する
職種別スキルマップを作ったら、次はカリキュラムを設計します。ここで大切なのは、全社員向けの共通研修と、職種・役割別の応用研修を分けることです。
全社員向けの共通研修では、AI活用の基本を扱います。生成AIの特徴、得意なこと、不得意なこと、情報取り扱い、プロンプトの基本、出力確認の必要性などです。この段階では、難しい業務改革の話よりも、「安全に使い始めるための共通言語」をそろえることを重視します。
次に、職種別の応用研修を用意します。営業向けには商談メモの整理や提案書構成、人事向けには研修教材の作成や社内問い合わせ対応、マーケティング向けには記事構成やSNS投稿案、管理職向けには会議設計や評価コメントの整理など、実務に近い演習を入れます。
さらに、推進者向けの研修も必要です。各部署にAI活用を広げるには、現場の相談に乗れる人が必要です。推進者には、プロンプトを整備する力、社内ナレッジを整理する力、情報管理のルールを説明する力、活用事例を集めて共有する力が求められます。
研修形式は、1回の集合研修だけに限定しないほうがよいでしょう。初回は集合研修やオンライン研修で共通知識をそろえ、その後はeラーニングで復習できるようにし、職種別ワークショップで実務演習を行う流れが現実的です。
たとえば、弊社が提供するKanataはAIチャット・AI要約・eラーニングなどを同じ業務支援プラットフォーム上で扱えるため、研修コンテンツの配信、演習、要約、プロンプト再利用を一連の流れとして設計したい場合に選択肢になります。Kanataでは、AIチャット・AI要約・eラーニングをプロジェクト単位で追加でき、プロンプトや学習データをライブラリに保存して再利用できます。
ただし、eラーニングやツールを用意するだけでは定着しません。受講後に「自分の業務で1つ使う」課題を出す、チーム会議で活用例を共有する、上司が使い方をレビューするなど、学習と実務をつなげる仕掛けが必要です。
筆者は、研修設計では「学ぶ時間」よりも「使う時間」をどこに置くかを重視します。人は、講義を聞いただけでは行動を変えません。自分の資料、自分の会議、自分の顧客対応で試したときに、初めてAI活用は現実の業務になります。
KPIは「受講」から「活用・定着」へ広げる
AI研修のKPIは、受講率だけでは不十分です。受講率、修了率、理解度テストの点数は、研修が届いたかを測る指標です。しかし、現場で使われているかを測るには、別の指標が必要です。
KPIは、少なくとも4種類に分けて設計するとよいでしょう。
| KPI分類 | 確認する内容 | 指標例 |
|---|---|---|
| 受講KPI | 研修が対象者に届いたかを確認します。 | 対象者数に対する受講率、修了率、理解度テストの平均点など。 |
| 活用KPI | 研修後にどれだけ業務で使われたかを測ります。 | 月次利用者数、業務別ユースケース数、AIを使って作成した議事録や資料下書きの件数など。 |
| 定着KPI | 個人利用にとどまらず、チームに共有されているかを見ます。 | チーム内で共有されたプロンプト数、再利用されたテンプレート数、部署ごとの活用事例数、月次共有会の開催回数など。 |
| 品質KPI | AI出力をそのまま使っていないか、人が確認しているかを見ます。 | 社外提出物のレビュー率、誤情報の指摘件数、差し戻し率、情報取り扱いルール違反の件数など。 |
たとえば、想定例として「3か月間・対象300名のうち、共通研修の修了率を85％以上にする」といった設定が考えられます。これは実績ではなく、計画時に置く目標値の例です。数値を置く場合は、対象期間と母数を明示することが重要です。
特に注意したいのは、「利用件数が増えたこと」だけを成功と見なさないことです。AI活用では、使う量が増えても、出力の確認が甘くなればリスクが高まります。Kanataでは、社外に出る文書、数字、引用などは人が確認することを基本原則としています。
全社員リスキリングのKPIは、学習量、利用量、共有量、品質の4つを組み合わせて設計することが大切です。
筆者は、KPIを設計するときに「数字が増えれば本当に喜べるのか」と自問するようにしています。利用回数が増えても、誤った出力がそのまま社外に出ていれば成功とは言えません。逆に、利用回数はまだ少なくても、重要な業務で安全に使われ、チームに学びが残っているなら、それは定着の芽です。
研修後の定着施策を設計する
AI研修の成否は、研修当日ではなく、研修後30日間で大きく変わります。研修直後は、受講者の関心が高い状態です。このタイミングで実務に接続できるかどうかが、定着の分かれ目になります。
まず、研修後1週間以内に、全員が低リスクな業務でAIを使う機会を作ります。たとえば、会議メモの要約、社内メールの下書き、資料文章のリライト、調査観点の整理などです。最初の課題は、成果の大きさよりも「使えた」という経験を重視します。
次に、チーム単位で活用例を共有します。個人がAIを使って終わりにすると、学びが組織に残りません。うまくいったプロンプト、失敗したプロンプト、確認が必要だった出力、上司が修正したポイントを共有することで、チーム全体の判断基準がそろっていきます。
さらに、プロンプトや資料をライブラリ化します。たとえばKanataでは、プロンプトライブラリに定型の指示文を保存し、学習データライブラリに社内資料を整理できます。これにより、個人が作ったプロンプトや参照資料を、プロジェクト内で再利用しやすくなります。
このようなライブラリ運用は、全社員リスキリングの定着において重要です。なぜなら、AI活用は個人の工夫に任せるだけでは属人化しやすいからです。ある社員がうまいプロンプトを作っても、それが共有されなければ組織の力にはなりません。逆に、よく使うプロンプトや注意点が共有されれば、新しく学ぶ社員も早く業務に取り入れられます。
最後に、月次で業務の棚卸しを行います。使われていないプロンプト、古くなった資料、重複したテンプレートを放置すると、ライブラリは使いにくくなります。月1回、30分程度でもよいので、推進者や各部署の担当者が集まり、活用状況と改善点を確認する場を設けるとよいでしょう。
筆者の感覚では、AI活用が定着する企業ほど、最初から完璧な仕組みを作ろうとしていません。まず小さく使い、うまくいったものを共有し、危なかったものをルールに反映する。その地味な繰り返しが、結果として一番強い運用になります。
情報取り扱いルールを研修の中心に置く
AIリスキリングでは、便利な使い方だけでなく、情報取り扱いルールを必ず扱う必要があります。特に全社員向け研修では、スキルの差よりも、ルール理解の差がリスクになります。
社員が不安を感じやすいのは、「AIに何を聞けばよいか」だけではありません。「この資料を入れてよいのか」「顧客名は伏せるべきか」「社内規程を読み込ませてよいのか」「出力をそのまま社外に送ってよいのか」といった判断です。
全社員リスキリングでは、情報取り扱いルールを「禁止事項の説明」として終わらせないことが大切です。実際の業務場面を想定し、「この情報は入れてよいか」「どこまで加工すればよいか」「迷ったら誰に確認するか」を演習に含めます。
たとえば、以下のようなケースを研修に入れると、社員は判断しやすくなります。
- 営業担当者が商談メモをAIで整理したい場合、顧客名、担当者名、契約金額をどう扱うべきか。
- 人事担当者が1on1メモを要約したい場合、個人の評価や健康状態に関する情報をどう扱うべきか。
- マーケティング担当者が顧客事例を記事化したい場合、公開済み情報と未公開情報をどう分けるべきか。
- 管理職が評価コメントの下書きを作りたい場合、AI出力をどのように自分の言葉へ書き換えるべきか。
このように、情報取り扱いルールは研修の最後に付け足すものではなく、AI活用の前提として最初から組み込むべきです。
筆者は、AI活用を広げるときほど「何をしてはいけないか」を明確にすることが、結果的に現場の自由度を高めると考えています。境界線が曖昧なままだと、慎重な人は使えず、楽観的な人は危ない使い方をしてしまいます。安全に使える範囲を示すことは、ブレーキではなく、現場が安心してアクセルを踏むためのレールです。
管理職を巻き込まない研修は定着しにくい
全社員リスキリングで見落とされやすいのが、管理職の役割です。社員がAI研修を受けても、上司が使い方を理解していなければ、現場では活用が進みにくくなります。
たとえば、メンバーがAIで作成した資料下書きを持ってきたとき、上司が「AIを使ったものは不安だから使わない」と反応すれば、メンバーは次から使わなくなります。逆に、上司が「どの部分をAIに任せ、どの部分を自分で確認したのか」を聞くことができれば、AI活用は業務改善の会話になります。
管理職向け研修では、AIの操作方法だけでなく、レビューの観点を扱う必要があります。具体的には、事実確認、数字の確認、トーンの調整、社外提出前のチェック、情報取り扱いの確認などです。
また、管理職はチーム内の活用事例を拾い上げる役割も持ちます。うまくいった使い方を会議で共有する、失敗例を責めずに改善材料として扱う、プロンプトやテンプレートをライブラリに登録するよう促す。こうした小さな行動が、研修後の定着に影響します。
筆者は、AI研修の設計で管理職を後回しにしないほうがよいと考えています。現場の空気は、上司の一言で大きく変わります。「AIを使って楽をするな」という空気になるのか、「AIを使って考える時間を増やそう」という空気になるのか。その差は、研修内容以上に大きいことがあります。
AIリスキリングを「個人の学習」で終わらせず、「チームの業務改善」に変えるには、管理職の関与が欠かせません。
Kanataを使う場合に考えられる支援範囲
ここまで述べてきたように、全社員リスキリングでは、研修コンテンツ、実務演習、ナレッジ共有、情報取り扱い、KPI管理をつなげて設計する必要があります。
選択肢は複数あります。既存のLMS、社内ポータル、チャットツール、ドキュメント管理システム、汎用AIチャットツールを組み合わせる方法もあります。そのうえで、研修配信、AIチャット、要約、プロンプトや学習データの再利用を同じ業務基盤上で扱いたい場合には、Kanataのような業務支援プラットフォームが候補になります。
Kanataは、AIチャット、AI要約、eラーニングなどを1つのアカウントで利用できる業務支援プラットフォームです。AIチャットでは質問・相談・文章作成を行うことができ、AI要約では資料・音声・URL・テキストなどを要約できます。eラーニングでは、動画コンテンツを中心とした学習を行うことができます。
全社員リスキリングの文脈では、たとえば次のような使い方が考えられます。
- 共通研修の動画をeラーニングとして配信し、社員が後から復習できるようにする。
- 研修後の演習として、AIチャットでメール下書き、議事録要約、資料リライトなどを試す。
- AI要約を使って、会議録音や研修メモを整理し、学習内容を共有しやすくする。
- プロンプトライブラリに、部門別の定型プロンプトを保存する。
- 学習データライブラリに、社内規程や業務マニュアルなど、参照させたい資料を整理する。
ただし、Kanataを導入すれば自動的にリスキリングが成功するわけではありません。ツールは、学習コンテンツやナレッジ共有を支える手段です。会社ゴール、職種別スキルマップ、運用ルール、管理職の関与、KPI設計がなければ、ツールがあっても活用は広がりません。
Kanataを検討する場合も、「何を配信するか」「誰に使ってもらうか」「どのプロンプトを標準化するか」「どの資料を学習データとして扱うか」「誰が定期的に見直すか」を事前に決めることが重要です。
筆者は、ツール選定の場で「この機能があれば解決しますか」と聞かれることがあります。そのたびに、少し慎重に答えるようにしています。機能は必要です。しかし、機能だけでは業務は変わりません。誰が、どの場面で、どのルールのもとで使うのか。そこまで設計して初めて、ツールは現場の力になります。
実務で使えるリスキリング設計テンプレート
最後に、全社員リスキリングを設計する際のテンプレートを整理します。以下の項目を埋めるだけでも、研修企画の輪郭が明確になります。
会社ゴール
まず、AI活用で会社として何を変えたいのかを書きます。
例としては、次のような形です。
定型的な資料作成・議事録作成・社内問い合わせ対応の工数を削減し、社員が企画、判断、顧客対応に時間を使える状態を目指す
ここでは、単に「AIを使える人材を増やす」と書くのではなく、業務や組織の変化まで表現することが大切です。
対象者セグメント
次に、対象者を分けます。全社員、管理職、営業・マーケティング、人事・総務、情報システム、推進者など、自社に合う分け方で構いません。
全員を同じカリキュラムに入れるのではなく、共通部分と職種別部分を分ける前提で整理します。
必要スキル
各セグメントに必要なスキルを書き出します。
全社員であれば、AIの基本理解、プロンプト基礎、情報取り扱い、出力レビューが中心です。営業であれば商談準備や提案書構成、人事であれば研修教材や社内FAQ、管理職であれば会議設計や評価コメントの整理などが入ります。
カリキュラム
カリキュラムは、知識、演習、実務課題の3つに分けます。
知識では、AIの仕組みやリスクを学びます。演習では、メール下書きや要約などを実際に行います。実務課題では、自分の業務で1つAIを使い、結果をチームで共有します。
KPI
KPIは、受講、活用、定着、品質の4種類で設計します。
受講率や修了率だけでなく、研修後30日以内の利用率、共有されたプロンプト数、社外提出前のレビュー率なども候補になります。数値を置く場合は、必ず期間、母数、対象範囲を明示します。
定着施策
定着施策には、研修後の実務課題、チーム共有会、プロンプトライブラリ、月次棚卸し、管理職レビューなどを入れます。
ここで重要なのは、研修後の行動を具体的に決めることです。「各自で活用してください」ではなく、「研修後1週間以内に、自分の業務で1つAI活用を試し、チーム会議で共有する」といった形にします。
筆者は、こうしたテンプレートを作るとき、いつも「現場の人が明日見ても動けるか」を基準にしています。立派な設計書でも、現場が次に何をすればよいか分からなければ意味がありません。AIリスキリングの設計は、抽象的な方針と具体的な行動を行き来しながら作る必要があります。
まとめ：全社員リスキリングは「研修」ではなく「運用設計」で決まる
全社員リスキリングを成功させるには、AI研修を単発の教育施策として捉えないことが重要です。
受講率は大切ですが、それだけでは現場で使われているかは分かりません。会社ゴールから逆算し、職種別スキルマップを作り、セグメント別カリキュラムを設計し、受講後のKPIと定着施策まで用意する必要があります。
また、AI活用では便利さと同じくらい、情報取り扱いとレビューの習慣が重要です。社員が安心して使える範囲を理解し、出力を人が確認し、チームでナレッジを共有することで、初めて全社員リスキリングは組織の力になります。
Kanataのような業務支援プラットフォームは、AIチャット、AI要約、eラーニング、ライブラリ機能を通じて、研修後の学習やナレッジ共有を支える選択肢の一つです。ただし、ツールは万能ではありません。成果を左右するのは、何を学ばせ、どの業務で使い、誰が支え、どう見直すかという設計です。
筆者は、AI導入の現場で「結局、人の仕事が一番大事になる」と感じることがあります。AIができることは増えています。しかし、何を任せ、何を任せず、どのように組織で使い続けるかを決めるのは人です。全社員リスキリングは、社員をAIに慣れさせる取り組みであると同時に、自社の仕事の進め方を見直す機会でもあります。
AI研修を「受講して終わり」にしないために、まずは自社の会社ゴール、職種別スキル、研修後30日間の定着施策から見直してみてください。
Q&A
全社員リスキリングでは、まず何から始めるべきですか？
最初に決めるべきなのは、研修テーマではなく会社のゴールです。AI活用によって、定型業務の削減、ナレッジ共有、資料品質の標準化、顧客対応の改善など、何を変えたいのかを明確にします。そのうえで、職種別スキルマップとカリキュラムに落とし込むと、研修が現場業務につながりやすくなります。
受講率が高ければ、AI研修は成功と考えてよいですか？
受講率は重要な指標ですが、それだけでは成功とは判断できません。受講率は「研修が届いたか」を見る指標であり、「現場で使われているか」を見るには、月次利用者数、業務別ユースケース数、共有されたプロンプト数、出力レビュー率なども確認する必要があります。
全社員に同じカリキュラムを受けさせるべきですか？
共通研修は必要ですが、それだけでは不十分です。生成AIの基本、情報取り扱い、出力レビューなどは全社員共通で扱うべきです。一方で、営業、人事、マーケティング、管理職、情報システムでは活用場面が異なるため、職種別・役割別の応用研修を組み合わせるほうが実務に接続しやすくなります。
AI研修後の定着には、どのような施策が有効ですか？
研修後1週間以内に低リスクな実務課題を設定し、チーム会議で活用例を共有することが有効です。さらに、うまくいったプロンプトや注意点をライブラリ化し、月次で業務の棚卸しを行うと、個人の工夫を組織のナレッジに変えやすくなります。
Kanataは全社員リスキリングでどのように活用できますか？
Kanataは、AIチャット、AI要約、eラーニング、プロンプト・学習データのライブラリ管理を組み合わせられるため、研修配信、実務演習、ナレッジ共有を同じ業務基盤上で進めたい場合に候補になります。ただし、Kanataを導入するだけで定着するわけではありません。会社ゴール、運用ルール、管理職の関与、KPI設計とあわせて活用することが重要です。
